【机器学习】机器学习概要

一、前言

机器学习是人工智能的一个子领域，“模仿人类智能的学习机器”。

二、机器学习 （ML）

传统编程使用已知算法从数据中生成结果：

数据 + 算法 = 结果

机器学习从数据和结果中创建新算法：

数据 + 结果 = 算法

二、神经网络 （NN）

神经网络是：

• 编程技术

• 机器学习中使用的方法

• 从错误中吸取教训的工具

神经网络基于人脑的工作方式：
神经元相互发送信息。当神经元试图（一遍又一遍）解决问题时， 它加强了导致成功的联系，减少了导致失败的联系。

三、感知器

感知器定义了进入神经网络的第一步。

它表示只有一个输入层的单个神经元，没有隐藏层。

四、神经网络

神经网络是多层感知器。

在最简单的形式中，神经网络由以下部分组成：

• 输入图层（黄色）

• 隐藏图层（蓝色）

• 输出图层（红色）

在神经网络模型中，输入数据（黄色）是针对 在生成最终输出（红色）之前的隐藏层（蓝色）。

第一层：
黄色感知器根据输入做出简单的决策。每个决策都会被发送到下一层的感知器。

第二层：
蓝色感知器通过称重做出决定 第一层的结果。这一层做出更复杂的决策 在比第一层更抽象的层面上。

五、深度神经网络

深度神经网络是：

• 编程技术

• 机器学习中使用的方法

• 从错误中吸取教训的软件

深度神经网络由几个隐藏的神经网络层组成 对海量数据执行复杂操作。

每个连续的图层都使用前一层作为输入。

例如，光学读数使用低层来识别边缘，而高层则使用更高的层来识别边缘 用于识别字母的图层。

在深度神经网络模型中，输入数据（黄色）是针对 一个隐藏层（蓝色），并针对更多隐藏层（绿色）进行修改，以生成最终输出（红色）。

第一层：
黄色感知器根据输入做出简单的决策。每个决策都会被发送到下一层的感知器。

第二层：
蓝色感知器通过称重做出决定 第一层的结果。这一层做出更复杂的决策 在比第一层更抽象的层面上。

第三层：
更复杂的决策是由绿色感知器做出的。

六、深度学习 （DL）

深度学习是机器学习的一个子集。

深度学习是过去几年人工智能热潮的罪魁祸首。

深度学习是一种高级类型的机器学习，可以处理图像识别等复杂任务。

免责声明：本公众号目前所载内容为本公众号原创、网络转载或根据非密公开性信息资料编辑整理，相关内容仅供参考及学习交流使用。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请跟我们联系。

喜欢就点个赞吧！